Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "REGRESSION ANALYSIS" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-7 z 7
    Tytuł:
    Zastosowanie analizy regresji w reprezentacyjnych badaniach społeczno-gospodarczych
    Application of regression analysis in socio-economic sample surveys
    Autorzy:
    Raczkiewicz, Dorota
    Powiązania:
    https://bibliotekanauki.pl/articles/424803.pdf
    Data publikacji:
    2016
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    regression analysis
    sample surveys
    complex sample
    Opis:
    The aim of the article is to present how to carry out the classical and logistic regression analyses in sample surveys, describing the socio-economic phenomena, to which complex a sample was drawn. The object of the study are households in Poland, surveyed in the household budgets survey, conducted annually by the Central Statistical Office. The essence of the methods analysis of complex samples is based on taking into account an appropriate design sampling scheme in the estimation which includes stratification, weigh-ing, multistage sampling and adjustments for non-sampling errors. Parameters’ estimates and their variances’ estimates which measure the precision of the parameters’ estimates are different when using appropriate procedures for complex samples from the results which would be obtained if the procedures for simple sample were used. The SAS procedures for regression from complex samples were applied. It was possible due to the significant advances in computational techniques including the development of modeling software as well as increase its availability to users.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2016, 1 (51); 31-47
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regression analysis for interval-valued symbolic data versus noisy variables and outliers
    Regresja liniowa danych symbolicznych a zmienne zakłócające i obserwacje odstające
    Autorzy:
    Pełka, Marcin
    Dudek, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/425104.pdf
    Data publikacji:
    2016
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    regression analysis
    interval-valued symbolic data
    noisy variables
    outliers
    Opis:
    Regression analysis is perhaps the best known and most widely used method used for the analysis of dependence; that is, for examining the relationship between a set of independent variables (X’s) and a single dependent variable (Y). In general regression, the model is a linear combination of independent variables that corresponds as closely as possible to the dependent variable [Lattin, Carroll, Green 2003, p. 38]. The aim of the article is to present two suitable adaptations for a regression analysis of symbolic interval-valued data (centre method and centre and range method) and to compare their usefulness when dealing with noisy variables and/or outliers. The empirical part of the paper presents the results of simulation studies based on artificial and real data, without noisy variables and/or outliers and with noisy variable and outliers. The results are compared according to the values of two coefficients of determination 2 RL and 2 . RU The results show that usually the centre and range method obtains better results even when the data set contains noisy variables and outliers, but in some cases the centre method obtains better results than the centre and range method.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2016, 2 (52); 35-42
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Regresja logistyczna dla danych symbolicznych interwałowych
    Logistic regression for interval-valued symbolic data
    Autorzy:
    Pełka, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/424986.pdf
    Data publikacji:
    2015
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    logistic regression
    interval-valued symbolic variables
    symbolic data analysis
    Opis:
    When dealing with real data situation we often have a binary (biomial, dichoto-mous) dependent variable. As the linear probability model is not such a good solution in such a situation there is a need to use nonlinear models. A quite good solution for such a sit-uation is the logistic regression model. The paper presents an adaptation of linear regression model when dealing with symbolic interval-valued variables. Four approaches poposed by de Souza et. al [2011] how to apply such variables are presented. In the empirical part re-sults obtained with the application of artificial and real data sets are shown. The best results are obtained for midpoint and bounds (joint estimation) methods.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2015, 2 (48); 44-52
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prediction of changes in the tax burden of land plots with the use of multivariate statistical analysis methods
    Autorzy:
    Dmytrów, Krzysztof
    Gnat, Sebastian
    Powiązania:
    https://bibliotekanauki.pl/articles/424949.pdf
    Data publikacji:
    2019
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    logistic regression
    classification
    multivariate statistical analysis
    real estate mass appraisal
    Opis:
    It is believed that the ad valorem tax will increase fiscal burdens. In order to verify this statement, with the use of the Szczecin Algorithm of Real Estates Mass Appraisal, the land plots were appraised and the ad valorem tax was calculated. Next, a training set was sampled, for which the composite variable was calculated by means of three approaches: the TOPSIS method, the Generalised Distance Measure as the composite measure of development (GDM2), and the quasi-TOPSIS. They were the explanatory variables in the logistic regression model. Next, for the test set, changes of tax burden were forecasted. The aim of the research was to check the effectiveness of the presented approach for the estimation of the consequences of introducing the ad valorem tax. The results showed that all three approaches yielded similar results, but GDM2 was the best one. The main finding is that these approaches can be used in the prediction of changes in the tax burden of land plots.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2019, 23, 2; 33-48
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Empirical evidence on factors shaping the savings rate of Polish households
    Czynniki warunkujące zmienność stopy oszczędzania polskich gospodarstw domowych w świetle badań empirycznych
    Autorzy:
    Rószkiewicz, Małgorzata
    Powiązania:
    https://bibliotekanauki.pl/articles/424913.pdf
    Data publikacji:
    2015
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    LCH
    multilevel regression model
    multivariate correspondence analysis
    social representation of saving
    savings rate
    Opis:
    The paper aimed at identifying the effects of the coincidence of socio-economic status and the advancement of the family life cycle on the savings rate. The multilevel regression model for data from empirical surveys was used. The obtained results allow us to explain how the differentiation of the saving rate that causes a poor fit of LCH models to the observed reality occurs. Ascribed to this differentiation is the explanation that allows us to reduce the area of unpredictability of the savings rate. These results show that the social representations of saving characteristic for various socio-economic groups are crucial factors that explain the variability of the savings rate, moderating its sensitivity to the demographic factors as defined in the economic theory. Moderation leads to two different tendencies. The first occurs among the households of a relatively low status and lies in the extension of consumption along with age, and it is stronger the lower the status of the household head is. The second, completely reverse, is present among households of a relatively high social status. The contraction of the time horizon of consumption manifests among these households, and it is stronger the higher the socio-economic status of a household head is.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2015, 4 (50); 159-169
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Default Prediction Using the Cox Regression Model and Macroeconomic Conditions - A Lifetime Perspective
    Predykcja niewykonania zobowiązań z wykorzystaniem modelu regresji Coksa i warunków makroekonomicznych – perspektywa czasu życia
    Autorzy:
    Ptak-Chmielewska, Aneta
    Gonzalez, Juan Pablo Espinosa
    Powiązania:
    https://bibliotekanauki.pl/articles/38891274.pdf
    Data publikacji:
    2024
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    survival analysis
    Probability of Default (PD)
    macro variables
    Cox regression
    analiza przeżycia
    prawdopodobieństwo niewykonania zobowiązań
    makrozmienne
    regresja Coksa
    Opis:
    Aim: Since the implementation of International Financial Reporting Standards 9 (IFRS 9), several techniques on estimating the risk parameters for calculating the expected credit losses (ECL) have been implemented across financial institutions. The purpose of this study was to present the advantages of using survival analysis for the estimation of the probability of default (PD) given the particularity of the method, within the estimation of the time up to an event occurring. Methodology: The Cox Proportional Hazard Rate was selected as the model to predict the default incorporating the time to event and the macroeconomic conditions into the model. At the end of this research a validation was performed of the accuracy of the survival method through the time. Results: The ROC curve and concordance statistics were evaluated on different time points, the survival model shows a consistent high discriminatory power in terms of the AUC over each time horizon. The results revealed that time dependent ROC curves for the selected years from 1 to 4 and the first year have the largest area under the curve (AUC). The time dependent curve is evaluated at all event times under the 95% pointwise confidence limits of the fitted model, the AUC was on average around 0.8, with the highest values in the first years. Implications and recommendations: The results are promising for PD estimation in a lifetime perspective. This method is accurate for IFRS9 ECL purposes as time varying internal (portfolio characteristics) and external (macroeconomic) factors can be incorporated. The dynamic model incorporates the variability and changes of the variables from the past up to now. Originality/value: To date the survival analysis techniques were used mostly for PD estimations but not in a IFRS9 ECL perspective. Given the nature of this method of estimating the remaining lifetime perspective and the inclusion into the model of the macro variables, this model can be considered adequate according to IFRS9. The paper aimed to present their uses for lifetime prediction.
    Cel: Od czasu wdrożenia Międzynarodowych Standardów Sprawozdawczości Finansowej 9 (MSSF 9), różne techniki estymacji parametrów ryzyka do wyliczenia oczekiwanych strat kredytowych zostały wdrożone w instytucjach finansowych. Celem tego badania jest prezentacja zalet stosowania analizy przeżycia do estymacji prawdopodobieństwa niewykonania zobowiązań (PD) z wykorzystaniem specyfiki metod estymacji czasu do wystąpienia zdarzenia. Metodyka: Wykorzystano model proporcjonalnych hazardów Coksa jako model do predykcji niewykonania zobowiązań włączający czas do wystąpienia zdarzenia i warunki makroekonomiczne do modelu. W badaniu przeprowadzono walidację metod przeżycia w czasie. Wyniki: Krzywa ROC i statystyki zgodności zostały ocenione dla różnych punktów w czasie. Model przeżycia wykazuje wysoką moc dyskryminacyjną w odniesieniu do AUC dla każdego horyzontu czasowego. Wyniki pokazują, że zależne od czasu krzywe ROC dla wybranych lat 1-4 i dla pierwszego roku mają najwyższą wartość pola pod krzywą (AUC). Krzywa zależna od czasu jest oceniana dla każdego czasu zdarzenia z 95-procentowym przedziałem ufności estymowanego modelu. Stwierdzono ponadto, że wartość AUC jest średnio na poziomie około 0,8, z najwyższą wartością w pierwszym roku. Implikacje i rekomendacje: Wyniki są obiecujące do estymacji prawdopodobieństwa niewykonania zobowiązań (PD) w perspektywie czasu życia kredytu. Stąd ta metoda jest odpowiednia do szacowania oczekiwanych strat kredytowych w ujęciu MSSF 9, ponieważ zależne od czasu wewnętrzne (charakterystyki portfelowe) i zewnętrzne (makroekonomiczne) czynniki mogą być uwzględnione w modelu. Model dynamiczny uwzględnia zmienność i zmiany charakterystyk historycznie w czasie aż do momentu bieżącego. Oryginalność/wartość: Dotychczas techniki analizy przeżycia były wykorzystywane głównie do estymacji prawdopodobieństwa niewykonania zobowiązań (PD), ale nie w perspektywie oczekiwanych strat kredytowych w ujęciu MSSF 9. ze względu na specyfikę metod do estymacji pozostałego czasu w perspektywie czasu życia. Dodatkowo włączenie do modelu zmiennych makroekonomicznych jest odpowiednim podejściem w MSSF 9. Artykuł ma na celu prezentację wykorzystania tych metod w predykcji czasu życia kredytu.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2024, 28, 2; 50-61
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Second Wave of the COVID-19 Pandemic in Poland - Characterised Using FDA Methods
    Druga fala COVID-19 w Polsce - charakterystyka z zastosowaniem metod FDA
    Autorzy:
    Hęćka, Patrycja
    Powiązania:
    https://bibliotekanauki.pl/articles/21375673.pdf
    Data publikacji:
    2023
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    function-on-function regression
    functional data analysis (FDA)
    COVID-19
    functional principal component analysis
    smooth functions
    regresja function-on-function
    analiza danych funkcjonalnych
    analiza głównych składowych funkcjonalnych
    funkcje gładkie
    Opis:
    The aim of this article was to analyse functional data of the number of hospitalised individuals, intensive care patients, positive COVID-19 tests, deaths and convalescents during the second wave of the COVID-19 pandemic in Poland. For this purpose, firstly the author convert data of sixteen voivodeships to smooth functions, and then used the principal component analysis and multiple function-on-function linear regression model to predict the number of hospitalised and intensive care patients due to the COVID-19 infection during the second wave of the pandemic. Finally, the results were compared with those previously obtained for the combined data of the second and third wave of the COVID-19 pandemic in Poland (Hęćka, 2023).
    Głównym celem artykułu była analiza danych funkcjonalnych dotyczących liczby pozytywnych wyników testu, zgonów, ozdrowieńców, osób hospitalizowanych oraz w stanie ciężkim podczas drugiej fali pandemii COVID-19 w Polsce. Pierwszym krokiem była konwersja danych w funkcje gładkie. Następnie przedstawiono analizę głównych składowych funkcjonalnych oraz użycie modelu multiple function-on-function linear regression w celu predykcji liczby osób hospitalizowanych oraz będących w stanie ciężkim z powodu COVID-19 w polskich województwach. Otrzymane wyniki porównano z wcześniej uzyskanymi dla połączonych danych z drugiej i trzeciej fali pandemii.
    Źródło:
    Econometrics. Ekonometria. Advances in Applied Data Analytics; 2023, 27, 3; 20-34
    1507-3866
    Pojawia się w:
    Econometrics. Ekonometria. Advances in Applied Data Analytics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-7 z 7

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies